Python DataFrame一列拆成多列以及一行拆成多行

对于Python中的DataFrame，有时候我们需要将一列数据拆分成多列，或者将一行数据拆成多行，这在数据清洗和处理过程中十分常见。下面就是详细讲解“Python DataFrame一列拆成多列以及一行拆成多行”的完整攻略。

一列拆成多列

方法一：使用split函数

在DataFrame中，我们可以使用Pandas库提供的split函数实现将一列数据按照指定的分隔符拆分成多列的目的。

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'name': ['Alice,Bob', 'Charlie,David,Eve']})

# 使用split函数拆分列
df[['name1', 'name2', 'name3']] = df['name'].str.split(',', expand=True)

在上述代码中，我们首先创建了一个包含name列的DataFrame。然后，使用split函数将该列数据按照逗号分隔并拆分为多列，同时使用expand参数设置为True，表示将拆分后的多列重新赋值给DataFrame中的三列name1、name2、name3。

方法二：使用DataFrame的apply函数

如果我们拆分后的列数不确定，也可以使用apply函数来实现。

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'name': ['Alice,Bob', 'Charlie,David,Eve']})

# 使用apply函数拆分列
df[['name'+str(i) for i in range(1, df['name'].apply(lambda x: len(x.split(','))).max()+1)]] = df['name'].str.split(',', expand=True)

相对于split函数，该方法使用了apply函数和lambda表达式，可以动态地创建拆分后的列。同时，我们使用了max方法找到拆分后的列的数量，这样可以确保我们创建了足够的列用于储存拆分后的数据。

一行拆成多行

方法一：使用stack函数

除了将一列拆分为多列，我们还可以使用stack函数将一行数据拆分为多行。

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob'], 'hobbies': ['reading,singing', 'swimming,running']})

# 使用stack函数拆分行
df2 = df.set_index('name')['hobbies'].str.split(',', expand=True).stack().reset_index(level=1, drop=True).to_frame('hobbies').reset_index()

在上述代码中，我们首先创建了一个包含name和hobbies两列数据的DataFrame。然后，我们使用set_index方法将name列设置为索引，这样就可以将一行数据拆分为多行。接着，使用stack函数将每个hobby放在一个单独的行中，并重新设置index列，最终得到拆分后的DataFrame。

方法二：使用explode函数

从Pandas版本0.25开始，我们还可以使用explode函数拆分行。

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob'], 'hobbies': [['reading', 'singing'], ['swimming', 'running']]})


# 使用explode函数拆分行
df2 = df.explode('hobbies')

在上述代码中，我们首先创建了一个包含name和hobbies两列数据的DataFrame，其中hobbies列的数据是列表类型。然后，使用explode函数将列表类型的hobbies列拆分为多行，并重新组成一个新的DataFrame。

总而言之，在Python中，通过使用split函数、apply函数、stack函数和explode函数等方法，我们可以轻松地将DataFrame中的一列数据拆分为多列，或者将一行数据拆分为多行。